Conjunto de elementos relacionados entre sí con una secuencia lógica para lograr un objetivo.

TIPOS DE SISTEMAS.

• Sistemas continuos: las variables del estado del sistema evolucionan de modo continuo a lo largo del tiempo. Un ejemplo de este tipo de sistemas es la evolución de la temperatura en una habitación durante cualquier intervalo de tiempo, o bien la evolución del nivel de líquido en un tanque

• Sistemas discretos: se caracterizan porque las propiedades de interés del sistema cambian únicamente en un cierto instante o secuencia de instantes, y permanecen constantes el resto del tiempo.

• Sistemas orientados a eventos discretos: al igual que los sistemas discretos, se caracterizan porque las propiedades de interés del sistema cambian únicamente en una secuencia de instantes de tiempo y, podemos considerar que permanecen constantes el resto del tiempo.

• Sistemas combinados: aquellos que combinan subsistemas que siguen filosofías continuas o discretas, respectivamente. Es el caso de los sistemas que poseen componentes que deben ser necesariamente modelados según alguno de dichos enfoques específicos.

Representación digital que imita el comportamiento de un sistema o proceso real para estudiar su funcionamiento y predecir posibles resultados.

Existen muchos tipos de modelos (modelos físicos, modelos mentales, modelos simbólicos) para representar los sistemas en estudio, pero puesto que uno de los objetivos para los cuales se van a desarrollar los modelos es su uso en entornos de simulación digital, es necesario que los modelos formalicen el conocimiento que se tiene del sistema de modo conciso, sin ambigüedades (interpretación única), y que puedan ser procesados por un ordenador.

• Un modelo tiene que ser por necesidad un compromiso entre la simplicidad y la necesidad de recoger todos los aspectos esenciales del sistema en estudio.

Así pues, un buen modelo debe:

• Representar adecuadamente aquellas características del sistema que son de nuestro interés.

• Ser una representación abstracta de la realidad lo suficientemente sencilla como para facilitar su mantenimiento, adaptación y reutilización.

Saber qué tipos de simulación existen es importante porque permite:

1. Elegir el modelo adecuado para representar un sistema real.

2. Ahorrar recursos (tiempo, dinero y esfuerzo) al usar la técnica más eficiente.

3. Obtener resultados más precisos o útiles, según el tipo de problema.

4. Comprender mejor el comportamiento de un sistema bajo distintas condiciones.

5. Tomar mejores decisiones basadas en simulaciones que se ajustan a la naturaleza del fenómeno.

a. Discreta Determinista

• No hay azar: los resultados están totalmente definidos por las condiciones iniciales.

• Siempre que se ejecute, da el mismo resultado.

• Ejemplo: una línea de producción que funciona siempre igual, sin fallos ni variaciones.

b. Discreta Estocástica

• Involucra aleatoriedad o incertidumbre.

• Los resultados pueden variar cada vez que se simula.

• Ejemplo: atención en una sala de emergencias, donde los tiempos de llegada y atención de pacientes varían.

• Común en procesos físicos, químicos o biológicos (como temperatura, velocidad, crecimiento poblacional).

a. Continua Determinista

• Evolución del sistema está completamente definida por ecuaciones matemáticas sin azar.

• Ejemplo: simulación del movimiento de un péndulo usando las leyes de la física.

b. Continua Estocástica

• El sistema cambia continuamente, pero hay elementos de incertidumbre o variabilidad aleatoria.

• Ejemplo: difusión de partículas en un fluido con interferencia aleatoria.

Caso prototipo: Atención en una fila de banco (cola)

Descripción del sistema:

• Clientes llegan a un banco para ser atendidos por uno o más cajeros.

• El sistema avanza cada vez que ocurre un evento: llega un cliente, un cajero termina de atender, etc.

Características:

• El tiempo avanza de un evento a otro (no continuamente).

• La llegada de clientes y el tiempo de atención pueden ser deterministas (fijos) o aleatorios (estocásticos).

Ejemplo (estocástico):

Supongamos:

• Los clientes llegan cada cierto tiempo, pero con variaciones (una distribución aleatoria).

• Cada cajero tarda un tiempo diferente con cada cliente.

• Se quiere simular el sistema durante 8 horas para ver cuántos clientes se atienden, cuánto esperan, etc.

Es discreta porque el estado del sistema solo cambia en momentos específicos: cuando llega un cliente o cuando un cliente termina su atención.

Descripción del sistema:

• Se coloca una olla con agua sobre una estufa.

• La temperatura del agua aumenta de forma continua a lo largo del tiempo, según las leyes físicas del calor.

Características:

• El sistema evoluciona segundo a segundo, sin pausas o saltos.

• Puede ser determinista (si todo está controlado) o estocástico (si hay factores como viento o variación en la llama que introducen incertidumbre).

Ejemplo (determinista):

Supongamos:

• La olla tiene 1 litro de agua.

• Se aplica una potencia de 500 W de manera constante.

• La temperatura se modela mediante ecuaciones de transferencia de calor.

• No hay factores externos que cambien las condiciones.

¿Por qué es continua?
Porque la temperatura cambia en todo momento, no solo cuando algo “ocurre”. No hay eventos discretos, sino evolución constante del estado.

ProModel

Modelado y optimización de procesos industriales y logística. Uso en manufactura, defensa y salud.

Arena

Modelado de procesos industriales y logísticos. Análisis de flujo de materiales y tiempos de espera. Uso en manufactura, salud y servicios

FlexSim

Simulación en 3D, análisis de líneas de producción y almacenes.

Anylogic

Combina eventos discretos, dinámica de sistemas y simulación basada en agentes. Uso en manufactura, salud y transporte

AutoMod

Simulacion de sistemas automatizados. Uso en fabricación y transporte interno de materiales.

Plant Simulation

Modelar, simular, analizar, visualizar y optimizar sistemas productivos, el flujo de materiales y operaciones logísticas.

WITNESS

Simulación detallada de procesos productivos y empresariales.

1. Conexión con el mundo real

Los artículos muestran cómo se aplican los modelos de simulación a problemas concretos (por ejemplo, en manufactura, logística, salud o economía), lo cual: permite ver el impacto real de la simulación en la toma de decisiones.

2. Aprendizaje de metodologías

Estos artículos suelen describir: las herramientas utilizadas y métodos de validación y análisis de resultados.

3. Identificación de buenas prácticas

Ver cómo otros profesionales abordan los problemas permite: evitar errores comunes y aprender formas de optimizar modelos.

4. Desarrollo de pensamiento crítico

Leer artículos te entrena para: cuestionar metodologías e interpretar resultados con criterio.

5. Inspiración para tus propios proyectos

Puedes descubrir:

• Nuevas áreas de aplicación.

• Problemas interesantes que podrías investigar.

• Ideas para trabajos académicos o propuestas profesionales.

6. Actualización constante

La simulación es un campo en evolución.

• Presentan avances recientes (como simulación con inteligencia artificial o gemelos digitales).

• Te mantienen al día con tendencias y tecnologías emergentes.

Zaragoza Vega Fátima de Jesús.